现阶段,工业控制系统（Industrial Control Systems,ICSs）作为国家重要基础设施内的管理与控制系统,在工业生产和制造过程中起到不可或缺的作用。当进行各种工业控制活动时,工业通信协议常常被看作是实现不同工业设备之间实时控制和远程管理的重要媒介。然而,随着信息技术与工业制造的融合,工业通信协议固有的安全缺陷逐渐暴露,使得工业控制系统面临越来越多的网络攻击和入侵方式,并且传统的IT安全测试技术并不能很好地适用于工业控制系统。因此,基于工业控制系统的安全防护需求,本文以工业通信协议为研究对象,提出了一种基于Fuzzing测试框架的测试用例寻优方法,达到在测试用例数量一定的情况下挖掘出更多漏洞的效果,但是仅仅寻找最优的测试用例不能尽可能的挖掘出所有潜在漏洞,为了达到更高的测试用例覆盖率,构建了改进的GAN测试用例生成引擎,用来生成与寻优后测试用例具有较强相似性的大量新测试用例,达到提升测试用例覆盖率的效果,最终对工业通信协议实现高覆盖率、高效率地挖掘漏洞。首先,基于Fuzzing测试框架,本文提出了一种基于改进遗传算法（Genetic Algorithm,GA）的工业通信协议测试用例寻优方法。该方法设计了一种新的个体选择策略作为选择算子,可以主动参与到测试用例寻优过程中。特别地,在这种个体选择策略中,引入了基于高、低适应度种群的选择操作,增强了个体选择的多样性,从而在算法迭代中搜寻到适应度值更高的一批测试用例,进一步提高测试用例的测试效率。其次,基于上述寻优后的工业通信协议测试用例,本文提出了一种基于参数优化的生成对抗网络（Generative Adversarial Networks,GAN）测试用例生成方法。该方法以GAN作为测试用例生成模型,通过改进的粒子群优化算法（Particle Swarm Optimization,PSO）对GAN进行参数优化,从而实现了一种基于多参数动态优化的PSO-GAN测试用例生成引擎,能够达到更好的测试用例生成效果,生成与寻优后测试用例更具相似性的大量新测试用例,进而增强了测试用例的覆盖率。最后,搭建了工业通信协议的仿真实验环境,能够更好地对本文设计的Fuzzing测试用例寻优方法和测试用例生成引擎参数优化方法的效果进行评估。通过比较实验可以得出以下结论:一方面,与其他测试用例寻优方法相比,本文提出的基于改进GA的测试用例寻优方法使得测试用例具有更高的测试效率;另一方面,与其他测试用例生成引擎的不同参数优化方法相比,本文提出的基于改进PSO参数优化的测试用例生成方法,不仅在生成测试用例时具有较高的生成效果,而且在参数训练过程中具有更高效的训练效率。